CN115085183A - 一种微电网群优化配置方法 - Google Patents

Abstract

本发明涉及一种微电网群优化配置方法，传统的微网系统优化配置方法缺少对风光出力不确定性以及对微网中不同投资商利益关系的考虑，导致微电网群的配置方案中存在风机光伏以及其他分布式电源和储能安装数量不合理，微网投资成本较高的情况；本发明提出构建一个以微电网群和配电网共同投资微电网群系统的非合作博弈模型，平衡微电网群运营商和配电运营商利益，且在微电网群的配置过程中针对风光出力的不确定性和相关性，构建一种场景生成方法，更准确的进行微网配置的求解，能较好的进行微电网群配置，有助于微网与微网间以及微网与配网间电能交互利用最大化，使得微电网群运营商和配电网运营商均实现收益最大化。

Description

一种微电网群优化配置方法

技术领域

本发明涉及微电网配置技术领域，尤其是涉及一种微电网群优化配置方法。

背景技术

为了减少碳排放，微电网的使用数量在不断增加。大量不确定性能源如风电、光电也接入了微电网，作为消纳新能源的微电网需要针对风光出力的不确定性和波动性进行研究并合理配置风机和光伏的数量。随着微电网数量不断增加，在一定区域下可能存在多个微电网，如果组成微电网群系统则可以进行电能交互利用，增强供电的可靠性，提高微电网群系统的经济效益。但是微电网群系统的建设成本高昂，如果配电网能够参与投资，则能减轻微电网群系统的建设压力，引导其进行有序建设，并获得一定收益。

目前针对微电网群的配置问题，主要是在确定的场景下对微电网群进行配置，且主要采用单主体投资微电网进行优化配置，并未考虑到多主体投资微电网群的优化配置。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种微电网群优化配置方法。

本发明的目的可以通过以下技术方案来实现：

一种微电网群优化配置方法，该方法包括如下骤：

S1：构建考虑微电网群运营商收益，以及配电网运营商投资收益为目标的非合作博弈模型。

S2：构建考虑风光出力相关性的场景生成方法，并将生成的风光出力典型日数据用在微电网群的配置中。

S3：求解非合作博弈模型，进而获取微电网群中分布式电源、储能的最优配置。

进一步地，S2中，所述非合作博弈模型以微电网群运营商年运行成本最小化为目标，配电网运营商以配电网运营商收益最大化为目标进行微网源-储规划。

进一步地，S2中，风光出力场景生成方法以非参数核密度估计法选择高斯核函数，生成一天中二十四小时内各个时间段的风光出力的概率密度函数；通过Frank-Copula函数建立每小时风机和光伏出力的联合分布函数。

进一步地，S3中，采用粒子群算法求解非合作博弈模型。

本发明提供的微电网群优化配置方法，相较于现有技术至少包括如下有益效果：

1)本发明提出构建一个以微电网群和配电网共同投资微电网群系统的非合作博弈模型，平衡微电网群运营商和配电运营商利益，且在微电网群的配置过程中针对风光出力的不确定性和相关性，构建一种场景生成方法，能够更准确的进行微网配置的求解，使得本发明能较好的进行微电网群配置，有助于微网与微网间以及微网与配网间电能交互利用最大化，使得微电网群运营商和配电网运营商均实现收益最大化。

2)通过采用粒子群算法对微电网中分布式电源、储能的最优配置进行求解，全局寻优能力好，收敛速度快。

附图说明

图1为实施例中本发明微电网群优化配置方法的流程示意图；

图2为实施例中某地2018年风机出力标幺化数据；

图3为实施例中某地2018年光伏出力标幺化数据；

图4为实施例中风机出力场景生成结果；

图5为实施例中光伏出力场景生成结果；

图6为实施例中MG1典型日负荷曲线；

图7为实施例中MG2典型日负荷曲线；

图8为实施例中MG3典型日负荷曲线。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

本发明涉及一种微电网群优化配置方法，该方法考虑到配电网和微电网联合投资微电网群系统构建非合作博弈模型，并采用场景生成方法得到具有相关性的风光出力进行微电网群的优化配置，在现有专利文献中，尚无此技术应用。为了实现微电网群的最优配置，提出采用场景生成方法得到风光出力相序列，并构建微电网群和配电网联合投资的非合作博弈模型进行最优配置结果求解。

具体地，如图1所示，本发明微电网群优化配置方法的具体步骤如下：

步骤一、风光的场景生成。具体地：

1.以一年中风机和光伏各个时间段的总发电功率为基础，在通过非参数核密度估计法选择高斯核函数，生成一天中二十四小时内各个时间段的风、光出力的概率密度函数，函数表达式为：

式中：

g——样本容量，这里指一年365天；

t——t＝1,2,…,24，表示24个时段；

h——平滑系数；

d——某一天；

x^t——t时段风机出力；

y^t——t时段光伏出力；

——第d天t时段风机出力；

——第d天t时段光伏出力；

K(·)——高斯核函数，其中；

2.以风光出力每小时的概率密度函数为基础，计算出它的累积分布函数

和

并通过Frank-Copula函数建立起每小时风机和光伏出力的联合分布函数。即：

式中：C·——二维Frank-Copula函数，表达式为：

式中：

——t时刻风机出力的累积分布函数；

——t时刻光伏出力的累积分布函数；

λ^t——相关参数，λ^t∈(-1,1)且λ^t≠0。

其中，λ^t＞0表示u^t、v^t正相关；λ^t→0表示u^t、v^t相互独立；λ^t＜0表示u^t、v^t负相关。

3.采样每小时的联合分布函数，根据采样结果和风光的联合概率分布函数反变换得到每个时段的采样风机和光伏出力。

4.场景生成获得的数据众多，且场景间相似度很高。为使相近场景可以进行有效合并，采用同步回代缩减法进行场景缩减，并计算各场景出现的概率。

步骤二、构建微电网群和配电网的非合作博弈函数模型。具体地：

1.微电网群中的各个微电网中包含风机(wind turbine，WT)、光伏(photovoltaic，PV)、微型燃气轮机(Microturbines，MT)和储能电池(battery electricstorage，BESS)，在微电网群优化配置中，微电网群运营商目标函数为年支付成本最小：

Q_M＝(eE_inv+E_main+E_Gas)-f(I_MM+I_MD+I_sub)

式中：

Q_M——微电网群运营商年收益；

E_inv——分布式电源、储能年投资成本；

E_main——源、储年运行维护成本；

E_Gas——微型燃气轮机燃料成本；

I_MM——微网间售购电收益；

I_MD——微网与配网间售购电收益；

I_sub——微网光伏、风机发电补贴；

e——微网投资建设成本占比；

f——微网收益成分系数，表达式为：

其中：

I.售购电收益

微电网群协调交互收益如下：

其中：

式中：

s——场景；

M_s——总场景数；

w_s——场景s出现的概率；

i——微网i；

n——微网个数；

——t时刻微网间售电电价；

——t时刻微网间购电电价；

——t时刻微网i与微网j之间的交互功率；

λ、μ——0-1状态变量。

II.微电网群与配电网电能交互收益

其中：

式中：

——t时刻微网运营商向配电网售电电价；

——t时刻微网运营商向配电网购电电价；

——t时刻微网i与配电网之间的交互功率；

α、β——0-1状态变量。

III.光伏、风机发电政府补贴收益

式中：

——t时刻光伏单位功率政府补贴价格；

——t时刻风机单位功率政府补贴价格；

——t时刻微网i光伏输出功率；

——t时刻微网i风机输出功率。

IV.源、储平均年投资成本

式中：

m——设备类型，m＝1为MT；m＝2为PV；m＝3为WT；m＝4为BESS；N_i,m——第i个微网中设备m的安装台数；

P_i,m——第i个微网中设备m的单台容量；

f_i,m——第i个微网中设备m单位容量的投资费用；

r——资金贴现率；

τ_i,m——第i个微网中设备m的使用年限。

V.源、储平均年运行维护成本

式中：

Q_i,m——第i个微网中设备m单位功率的运行维护费用。

VI.微型燃气轮机的燃料成本

式中：

c_gas——天然气价格；

——第i个微网中微型燃气轮机的输出功率；

Δt——单位时间；

G_Gas——燃气的低热值；

η_MT——微型燃气轮机发电效率。

2.在配电网运营商对微电网群进行投资时，追求收益最大化，配电网运营商的收益函数：即：

Q_D＝(1-f)I_MG-I_MD+I_def-(1-e)E_inv

式中：

I_MG——微电网群运营商收益；

I_def——微电网群延缓配电网升级建设收益；

E_inv——微电网群源-储建设费用。

其中：

Ⅰ.微电网群运营收益

I_MG＝I_MM+I_sub

Ⅱ.微电网群延缓配电网升级建设收益

其中：

式中：

c_ex——配电网扩建单位容量的投资费用；

h——通货膨胀率；

Y——延缓配电网升级建设的年数；

K——负荷年增长率；

φ——建设微网后负荷削减比；

b^t——t时刻负荷削减量。

步骤三、构建非合作博弈模型

该模型中微电网群运营商，配电网运营商均以收益最大化为目标进行微电网群的规划，而两个投资者在进行微电网群的配置过程中存在相互博弈、公平竞争的关系，这是一种典型的非合作博弈。微电网群运营商M和配电网运营商间D的非合作博弈表述为：

G＝{M,D；N_PV，N_WT，N_BESS，N_MT，e,f；Q_M,Q_D}

其中：

N_PV——光伏数量；

N_WT——风机数量；

N_BESS——储能电池数量；

N_MT——微型燃气轮机数量；

Q_M——微电网群运营商效益情况；

Q_D——配电网运营商效益情况；

具体描述如下：

(1)博弈方。在博弈过程中，每一个具有决策权的参与者称之为博弈方，文中的博弈参与者微电网群运营商，配电网运营商{M,D}。

(2)策略集。博弈方在相互博弈过程中所选择的实际可行的方案称为策略，文中博弈的策略为微电网群中风机、光伏、微型燃气轮机、储能电池的配置方案以及微电网群和配电网的投资比例，策略集表示为N＝{N_PV,N_WT,N_BESS,N_MT,e,f}。

(3)效益。效益函数用来评估博弈过程中各博弈方的收支情况，并以此为基础调整下一次决策，博弈参与者的效益函数不仅与自己的策略有关，还受到其他博弈参与者策略的影响，该策略组合函数如下：

(4)模型求解。

采用粒子群算法非合作博弈模型进行求解，粒子群参数设置为：迭代次数为300，种群规模为50，惯性参数c1初始值设置为1，随迭代的进行，线性减小到0，个体学习因子c2和群体学习因子c3均取1.4。算法求解流程如下：

步骤1：输入系统相关参数，获取风光出力以及负荷需求数据。

步骤2：初始化博弈参与者策略，根据历史情况给出分布式电源、储能的数量。

步骤3：各博弈参与者根据另一博弈者在上一轮的策略，以最大化自身收益函数为目标，更新自己的配置策略和投资策略。

步骤4：判断是否找到了纳什均衡解。达到均衡解的条件是博弈者相邻2次的策略完全一致，各博弈参与者按照此时的策略配置容量，并计算自身的效用函数。否则，返回步骤3，重复操作，直到找到均衡解。

步骤5：输出均衡解及收益函数。

为验证本发明方法的有效性，本实施例选取2018年某地含有3个微电网的微电网群，各微网的典型日负荷曲线如图6-8所示，该地2018年风机出力标幺化数据和光伏出力标幺化数据如图2-3所示，风机光伏典型日出力曲线如图4-5所示，微电网中相关设备参数见表1。微网与配网购(售)电电价及微网间购(售)电电价见表2，为保护配电网利益并激励微网间进行电能交互，微电网从配电网处购电电价高于微网向配网售电电价；微电网间购售电电价相同，且介于微电网与配电网售电电价和购电电价之间。天然气的价格为2.67元/m³，资金贴现率为8％。

表1微电网微源基本参数

表2购(售)电电价元/(kW·h)

为了体现文中模型的优越性，设置三种方案进行对比：

方案一：采用文中非合作博弈模型进行微电网群优化配置，并考虑风光出力相关性。

方案二：采用春分、夏至、秋分、冬至作为典型场景日，并采样非合作博弈模型进行微电网群的配置，即不考虑风光出力的相关性。

方案三：在微电网群的优化配置中，考虑风光出力相关性，但采用多目标求解。

在以上三种方案下，微电网群的配置结果如下：

表3微电网群优化配置结果

4个场景下微电网群年化总成本和配电网收益如表4所示。

表4微电网群、配电网收益

由表3和表4的结果可以看出，本发明所提出的方案相比其他已有的专利，分布式电源的数量有所改进，微电网群的年化总成本较其他方案降低不少，配电网收益也增长最多。有效的对微电网群分布式电源的配置进行了优化。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种微电网群优化配置方法，其特征在于，包括下列步骤：

1)构建考虑微电网群运营商收益，以及配电网运营商投资收益为目标的非合作博弈模型；

2)构建考虑风光出力相关性的场景生成方法，并将生成的风光出力典型日数据用在微电网群的配置中；

3)求解非合作博弈模型，进而获取微电网群中分布式电源、储能的最优配置。

2.根据权利要求1所述的微电网群优化配置方法，其特征在于，步骤2)中，所述非合作博弈模型以微电网群运营商年运行成本最小化为目标，配电网运营商以配电网运营商收益最大化为目标进行微网源-储规划。

3.根据权利要求1所述的微电网群优化配置方法，其特征在于，步骤2)中，风光出力场景生成方法以非参数核密度估计法选择高斯核函数，生成一天中二十四小时内各个时间段的风光出力的概率密度函数；通过Frank-Copula函数建立每小时风机和光伏出力的联合分布函数。

4.根据权利要求1所述的微电网群优化配置方法，其特征在于，步骤3)中，采用粒子群算法求解非合作博弈模型。

Images